The Estimation of Spectral Densities
谱密度估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论谱密度、自相关和平滑，属于时间序列频域方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
谱密度估计
- 研究问题
- 如何让数据本身参与选择谱密度估计的平滑方式，以及在仅有有限数量自相关信息时，如何构造相应的谱估计？
- 方法与思路
- 作者讨论多项式近似和插值两种技术；前者强调高斯权函数的作用，后者面向有限自相关信息并使用拉普拉斯权函数。
- 材料陈述的贡献
- 摘要提出一种利用数据辅助确定平滑程序的谱密度估计思路，并区分了多项式近似与有限自相关下的插值方案。
- 阅读关注点
- 应核对平滑选择准则、两类权函数的具体作用、谱估计的非负性处理，以及有限自相关信息下插值的约束和误差。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明“最佳”平滑的评价标准、理论条件或比较结果，不能推断具体误差最优性或刊本变化。
原文摘要
SUMMARY A method of estimating spectral densities is developed which uses the data explicitly to help determine the best smoothing procedure. Two techniques are discussed. The first involves polynomial approximations, the second is an interpolation technique which is useful when a limited number of autocorrelations is available. The Gaussian and Laplacian weight functions play important roles in the first and second technique respectively.